CNN特点介绍

来源：成都达内教育IT培训机构时间：2021/9/14 10:25:25

　　CNN特点介绍
　　1、局部感觉。

　　人对外部事物的认识一般是由局部到整体、由局部到整体，相似的，同样的，在机器识别图象时，也不必把整个图象按像素全部连入神经网络，在图象中也是局部周边的象素联系紧密，而距离远的象素关系较弱，因此可以采用局部连接的模式(将图像分块连起来，从而大大减少模型的参数)。

CNN特点介绍

　　2、参数(权限值)共享。
　　每一幅自然图像(人物、风景、建筑等)都有其固有属性，即图像中一部份的统计特征与其他部分相近。也就是说，这种学习的特点也可以用在另一部分，可以使用相同的学习特性。这样，在局部连接中，每一个隐藏层的神经元连接的局部图像的权值参数(如5×5)，将这些权值参数与其他剩余的神经元共享，则无论隐藏层有多少个神经元，都需要训练该局部图像的相应参数(例如5×5)，即卷积核的大小，从而大大减少训练参数。
　　3、池化。
　　由于网络的不断深化，卷积核越来越多，需要训练的参数也很多，而直接利用卷积核提取的特征直接进行训练，也容易出现过拟合现象。还记得为什么对图像使用卷积提取特征是因为图像具有“静态”的特性，所以很自然的做法是提取不同地点区域的代表性特征(进行聚合统计，比如较大值、均值等)，这种聚合的操作称为池化，池化的过程通常也称为特征映射过程(特征降维)。

领取试听课

每天限量名额，先到先得

尊重原创文章，转载请注明出处与链接：http://www.peixun360.com/3857/news/409948/违者必究！以上就是成都达内教育IT培训机构小编为您整理 CNN特点介绍的全部内容。